A Survey of Fractal Dimensions of

Networks Eric Rosenberg

Visit to download the full and correct content document:
https://textbookfull.com/product/a-survey-of-fractal-dimensions-of-networks-eric-rosen
berg/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Fractal Functions, Dimensions and Signal Analysis Santo

Banerjee

https://textbookfull.com/product/fractal-functions-dimensions-
and-signal-analysis-santo-banerjee/

A Survey of Modern English Stephan Gramley

https://textbookfull.com/product/a-survey-of-modern-english-
stephan-gramley/

A Survey of Mathematics 10th Edition Allen R. Angel

https://textbookfull.com/product/a-survey-of-mathematics-10th-
edition-allen-r-angel/

The Fractal Dimension of Architecture Michael J.

Ostwald

https://textbookfull.com/product/the-fractal-dimension-of-
architecture-michael-j-ostwald/
A Brief Survey of Quantitative EEG 1st Edition Kaushik
Majumdar

https://textbookfull.com/product/a-brief-survey-of-quantitative-
eeg-1st-edition-kaushik-majumdar/

Survey of Operating Systems Jane Holcombe

https://textbookfull.com/product/survey-of-operating-systems-
jane-holcombe/

Survey of Operating Systems Jane Holcombe

https://textbookfull.com/product/survey-of-operating-systems-
jane-holcombe-2/

Fractal Functions, Fractal Surfaces, and Wavelets,

Second Edition Peter R. Massopust

https://textbookfull.com/product/fractal-functions-fractal-
surfaces-and-wavelets-second-edition-peter-r-massopust/

Technology: Critical History of a Concept Eric

Schatzberg

https://textbookfull.com/product/technology-critical-history-of-
a-concept-eric-schatzberg/
SPRINGER BRIEFS IN COMPUTER SCIENCE

Eric Rosenberg

A Survey
of Fractal
Dimensions of
Networks

123
SpringerBriefs in Computer Science

Series editors
Stan Zdonik, Brown University, Providence, Rhode Island, USA
Shashi Shekhar, University of Minnesota, Minneapolis, Minnesota, USA
Xindong Wu, University of Vermont, Burlington, Vermont, USA
Lakhmi C. Jain, University of South Australia, Adelaide, South Australia, Australia
David Padua, University of Illinois Urbana-Champaign, Urbana, Illinois, USA
Xuemin Sherman Shen, University of Waterloo, Waterloo, Ontario, Canada
Borko Furht, Florida Atlantic University, Boca Raton, Florida, USA
V. S. Subrahmanian, University of Maryland, College Park, Maryland, USA
Martial Hebert, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA
Katsushi Ikeuchi, University of Tokyo, Tokyo, Japan
Bruno Siciliano, Università di Napoli Federico II, Napoli, Italy
Sushil Jajodia, George Mason University, Fairfax, Virginia, USA
Newton Lee, Newton Lee Laboratories, LLC, Tujunga, California, USA
More information about this series at http://www.springer.com/series/10028
Eric Rosenberg

A Survey of Fractal
Dimensions of Networks

123
Eric Rosenberg
AT&T Labs
Middletown, NJ, USA

ISSN 2191-5768 ISSN 2191-5776 (electronic)

SpringerBriefs in Computer Science
ISBN 978-3-319-90046-9 ISBN 978-3-319-90047-6 (eBook)
https://doi.org/10.1007/978-3-319-90047-6

Library of Congress Control Number: 2018942025

© The Author(s), under exclusive licence to Springer International Publishing AG, part of Springer
Nature 2018
This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of
the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation,
broadcasting, reproduction on microfilms or in any other physical way, and transmission or information
storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology
now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this publication
does not imply, even in the absence of a specific statement, that such names are exempt from the relevant
protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this book
are believed to be true and accurate at the date of publication. Neither the publisher nor the authors or
the editors give a warranty, express or implied, with respect to the material contained herein or for any
errors or omissions that may have been made. The publisher remains neutral with regard to jurisdictional
claims in published maps and institutional affiliations.

Printed on acid-free paper

This Springer imprint is published by the registered company Springer International Publishing AG part
of Springer Nature.
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
 To Solomon and Asher
“as an ook cometh of a litel spyr”
from “Troilus and Criseyde” (1374)
by Geoffrey Chaucer
as read by (if you listen very closely)
your great-grandfather
Preface

In the field of network science, one of the fundamental questions is how to

characterize a network. One way to characterize a network is to compute a fractal
dimension. We write “a fractal dimension” rather than “the fractal dimension” since
many different fractal dimensions have been proposed for networks.
In this brief, we review the theory and computation of the most important of
these fractal dimensions, including the box counting dimension, the correlation
dimension, the mass dimension, the transfinite fractal dimension, the information
dimension, the generalized dimensions (which provide a way to describe mul-
tifractal networks), and the sandbox method (for approximating the generalized
dimensions). We describe the use of diameter-based and radius-based boxes, and
present several heuristic methods for box counting, including greedy coloring,
random sequential node burning, and a method for computing a lower bound.
We also discuss very recent results on resolving ambiguity in the calculation
of the information dimension and the generalized dimensions, and on the non-
monotonicity of the generalized dimensions.
Research on fractal dimensions of networks began at least as early as 1988.
Since about 2003, this has been an active research area. The wide variety of fractal
dimensions considered in this survey is a testament to the richness of this subject.
There are abundant opportunities for research and applications.
The intended audience for this book is anyone interested in the theory and
application of networks. This includes anyone studying, e.g., social networks,
telecommunications networks, transportation networks, ecological networks, food
chain networks, network models of the brain, or financial networks. We assume a
knowledge of limits and the derivative of a function of a single variable. We also
assume the reader is familiar with finding the shortest path between two nodes
in a network, e.g., using Dijkstra’s method. A knowledge of the theory of linear
programming, specifically, duality theory and complementary slackness, is required
for Chap. 4.

vii
viii Preface

Many thanks to Kartik Pandit and Curtis Provost, and a special acknowledgment
to Robert Murray, for their comments and suggestions on this survey. Many thanks
also to Paul Drougas, Senior Editor at Springer, and to Frank Politano, Esq of K&L
Gates LLP, for bringing this brief to fruition.

Middletown, NJ, USA Eric Rosenberg

March 2018
About the Author

Eric Rosenberg received a B.A. in Mathematics from Oberlin College and a

Ph.D. in Operations Research from Stanford University. He works at AT&T Labs
in Middletown, New Jersey (email: ericr@att.com). Dr. Rosenberg has taught
undergraduate and graduate courses in optimization at Princeton University and
New Jersey Institute of Technology. He has authored or coauthored 17 patents
and has published in the areas of convex analysis and nonlinearly constrained
optimization, computer-aided design of integrated circuits and printed wire boards,
telecommunications network design and routing, and fractal dimensions of net-
works.

ix
Contents

1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Tables of Symbols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Box Counting and Hausdorff Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Covering a Complex Network . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1 Box Counting with Diameter-Based or Radius-Based Boxes . . . . . . . . 9
3 Network Box Counting Heuristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Node Coloring Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Node Coloring for Weighted Networks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3 Random Sequential Node Burning. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.4 Set Covering Formulation and a Greedy Method . . . . . . . . . . . . . . . . . . . . . 19
3.5 Box Burning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Box Counting for Scale-Free Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 Lower Bounds on Box Counting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Mathematical Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Dual Ascent and Dual Adjustment. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 Bounding the Fractal Dimension. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5 Correlation Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6 Mass Dimension for Infinite Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.1 Transfinite Fractal Dimension. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
7 Volume and Surface Dimensions for Infinite Networks . . . . . . . . . . . . . . . . . 51
8 Information Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
9 Generalized Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
10 Non-monotonicity of Generalized Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
11 Zeta Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

xi
Chapter 1
Introduction

Consider the network G = (N, A) where N is the set of nodes connected by the set
A of arcs. Let N ≡ |N| be the number of nodes, and let A ≡ |A| be the number
of arcs. (We use “≡” to denote a definition.) Unless otherwise specified, henceforth
we assume that G is a “complex network”: an arbitrary network without special
structure (as opposed to, e.g., a regular lattice), for which all arcs have unit cost (so
the length of a shortest path between two nodes is the number of arcs in that path),
and all arcs are undirected (so the arc between nodes i and j can be traversed in
either direction). We assume that G is connected, meaning there is a path of arcs
in A connecting any two nodes in N. Many different measures have been used to
describe a complex network [7]. For example,
1. the density of G is A/[N(N −1)/2], which is the ratio of the number of arcs in G
to the number of arcs that would be present if each pair of nodes were connected
by an arc;
2. the diameter Δ of G is defined by Δ ≡ max{ dist(x, y) | x, y ∈ N }, where
dist(x, y) is the length of the shortest
 path between nodes x and y;
3. the average node degree is (1/N) n∈N δn , where δn is the node degree of node
n (the number of arcs incident to node n).
Another way to describe G is to compute a fractal dimension of G. The interest
in computing fractal dimensions of networks began about 2003 [10] (although
one important paper [38] appeared as early as 1988) and was inspired by the
study of fractal dimensions of geometric objects. For geometric objects, the fractal
dimensions of interest usually have non-integer values, and for that reason a fractal
is sometimes defined as something with a non-integer dimension. However, a good
definition of “a fractal” has been an elusive goal, and research has instead focused
on the theory and application of different fractal dimensions. Similarly, we are not
concerned here with a definition of “a fractal network”. Rather, our goal is to survey
the most important of the different fractal dimensions that have been proposed for
networks.

© The Author(s), under exclusive licence to Springer International Publishing AG, 1

part of Springer Nature 2018
E. Rosenberg, A Survey of Fractal Dimensions of Networks, SpringerBriefs
in Computer Science, https://doi.org/10.1007/978-3-319-90047-6_1
2 1 Introduction

This book is organized as follows. In this chapter we will present the box
counting and Hausdorff dimensions. Chapter 2 considers the covering of a complex
network by boxes. Several heuristics for box counting are presented in Chap. 3, and
Chap. 4 is concerned with lower bounds on box counting. The correlation dimension
is presented in Chap. 5. The mass dimension and the transfinite fractal dimension of
an infinite network are studied in Chap. 6, and the volume and surface dimensions of
an infinite network are studied in Chap. 7. The information dimension is the subject
of Chap. 8. Generalized dimensions and the sandbox method are studied in Chap. 9.
The non-monotonicity of the generalized dimensions is explored in Chap. 10. The
final chapter, Chap. 11, presents the zeta dimension.

1.1 Tables of Symbols

Many of the fractal dimensions studied in this book are defined in terms of a
covering of G by “boxes”, and the reason for covering G by boxes is that this is
how the fractal dimension of a geometric object was first defined. So we start, in
the next section, with a review of the box counting and Hausdorff dimensions of a
geometric object. For convenience, some symbols frequently used in this survey are
summarized in Table 1.1, and a list of the fractal dimensions we study is provided in
Table 1.2. The end of a definition, or proof, or example, is indicated by the symbol 
.

1.2 Box Counting and Hausdorff Dimensions

The simplest fractal dimension is the box counting dimension, which is based on
covering a geometric object Ω ⊂ RE by equal sized E-dimensional hypercubes.
For example, for E = 1, consider a line segment of length L. If we measure the line
segment using a ruler of length s, where s  L, the number B(s) of rule lengths
needed is given by B(s) ≈ Ls −1 . We call B(s) the “number of boxes” of size s
needed to cover the segment. For E = 1, a “box” of size s is a line segment of
length s. Since the exponent of s in Ls −1 is −1, we say that a line segment has
a box counting dimension of 1. Now consider a two-dimensional square with side
length L. If we cover the square by small squares of side length s, where s  L, the
number B(s) of small squares needed is given by B(s) ≈ L2 s −2 . Since the exponent
of s in L2 s −2 is −2, we say that the square has box counting dimension 2.
To provide a general definition of the box counting dimension of a geometric
object, let Ω be a closed and bounded subset of RE . By the “linear size” of Ω
we mean the diameter of Ω (the maximal Euclidean distance between any two
points of Ω, denoted by diam(Ω)), or the maximal variation in any coordinate (i.e.,
maxx,y∈Ω max1≤i≤E |xi − yi |). Let s  1 be the linear size of a small box, where a
“box” is an E-dimensional hypercube. By a box of size s we mean a box of linear
size s. A set of boxes covers Ω if each point in Ω belongs to at least one box.
1.2 Box Counting and Hausdorff Dimensions 3

Table 1.1 Symbols and their definitions

Symbol Definition
δn Node degree of node n
Δ Network diameter
Ω Geometric object in RE
A Set of arcs in G
B(s) A minimal s-covering of G
B(s) Cardinality of B(s)
BD(s) Minimal number of diameter-based boxes needed to cover G
BR (r) Minimal number of radius-based boxes needed to cover G
Bj Box in B(s)
G Complex network
G(n, r) Subnetwork of G with center n and radius r
G(s) Subnetwork of G of diameter s − 1
H (s) Entropy of the probability distribution pj (s)
M(n, r) Number of nodes in N(n, r)
N Set of nodes in G
N Number of nodes in G
Nj (s) Number of nodes in box Bj ∈ B(s)
N(n, r) The set of nodes whose distance from n does not exceed r
pj (s) Probability of box Bj ∈ B(s)
RE E-dimensional Euclidean space
x(s) Vector summarizing the covering B(s)
 
Zq B(s) Partition function value for the covering B(s)
Z(x, q) Partition function value for the summary vector x

Table 1.2 Fractal dimensions

Symbol Definition
dB Box counting dimension
dC Correlation dimension
dE Transfinite fractal dimension
dI Information dimension
dM Mass dimension
dU Surface dimension
dV Volume dimension
dZ Zeta dimension
Dq Generalized dimension of order q
Dqsandbox Sandbox dimension of order q
Dq (L, U ) Secant estimate of Dq
4 1 Introduction

Definition 1.1 Let B(s) be the minimal number of boxes of size s needed to
cover Ω. If
log B(s)
lim (1.1)
s→0 log(1/s)

exists, then the limit is called the box counting dimension of Ω and is denoted
by dB .  
Roughly speaking, if dB is the box counting dimension of Ω then B(s) behaves
as s −dB for s  1. In practice, the computation of dB typically begins by selecting
a set {s1 , s2 , · · · , sK } of box sizes. For each value of s, we determine the minimal
number B(s) of boxes of size s needed to cover Ω. By plotting log B(s) vs. log s
for the K values of s, a range of s can be identified over which the plot is roughly
linear [3, 27, 28, 45]. Then dB can be determined, e.g., by linear regression.
Although the limit (1.1) may not exist [12], the lim inf and lim sup always exist.
The lower box counting dimension dB is defined by

log B(s)
dB ≡ lim inf , (1.2)
s→0 log (1/s)

and the upper box counting dimension dB is defined by

log B(s)
dB ≡ lim sup . (1.3)
s→0 log (1/s)

When dB = dB then dB exists, and dB = dB = dB .

The box counting dimension assumes that all the boxes used to cover Ω are
identical. This restriction is removed in the Hausdorff dimension [14, 53, 63],
introduced in 1918 by Felix Hausdorff (1868–1942) [24]. Due to the contributions of
Abram Samoilovitch Besicovitch (1891–1970), this dimension is sometimes called
the Hausdorff-Besicovitch dimension. For s > 0, define an s-covering of Ω to be a
finite collection of J sets {X1 , X2 , · · · , XJ } that cover Ω (i.e., Ω ⊆ ∪Jj=1 Xj ) such
that for each j we have diam(Xj ) ≤ s. Let C (s) be the set of all s-coverings of Ω.
For d > 0, define


J
 d
v(d, s) ≡ inf diam(Xj ) , (1.4)
C (s)
j =1

where the infimum is over all s-coverings C (s) of Ω. We take the infimum since the
goal is to cover Ω with small sets Xj as efficiently as possible.
We can think of v(d, s) as the d-dimensional volume of Ω. For almost all values
of d, the limit lims→0 v(d, s) is either 0 or ∞, where by ∞ we mean +∞. For
example, suppose we cover the unit square [0, 1] × [0, 1] by small squares of side
1.2 Box Counting and Hausdorff Dimensions 5

√
length s. We need 1/s 2 small squares, the diameter of each square is 2s, and
√ √ d
v(d, s) = (1/s 2 )( 2s)d = 2 s d−2 . We have
⎧
⎪
⎨∞
⎪ if d < 2
lim s d−2 = 1 if d = 2
s→0 ⎪
⎪
⎩0 if d > 2.

Thus, for example, if d = 3 then the unit square [0, 1] × [0, 1] has zero volume; if
d = 1 then the unit square has infinite length.
For a given d, as s decreases, the set of available covers shrinks, so v(d, s)
increases as s decreases. Thus

v  (d) ≡ lim v(d, s) (1.5)

s→0

always exists in [0, ∞) ∪ {∞}; that is, v  (d) might be ∞. (We call v  (d) the d-
dimensional Hausdorff measure of Ω.) Since for each fixed s < 1 the function
v(d, s) is non-increasing with d, then v  (d) is also non-increasing with d. For d ≥ 0
and d  ≥ 0, definition (1.5) implies [53]

If v  (d) < ∞ and d  > d, then v  (d  ) = 0 .

If v  (d) > 0 and d  < d, then v  (d  ) = ∞ .

These two assertions imply the existence of a unique value of d, called the Hausdorff
dimension of Ω and denoted by dH , such that v  (d) = ∞ for d < dH and v  (d) = 0
for d > dH . Formally,

dH ≡ inf{d ≥ 0 | v  (d) = 0} . (1.6)

The Hausdorff dimension dH of Ω might be zero, positive, or ∞.

Mandelbrot [36, p. 15] uses the term “fractal dimension” to refer to the Hausdorff
dimension; we will use the term “fractal dimension” only in a generic manner,
to refer to any fractal dimension. Although historically the Hausdorff dimension
preceded the box counting dimension, the Hausdorff dimension is a generalization
of the box counting dimension, since the Hausdorff dimension does not require
equal size boxes, while the box counting dimension does. A set Ω ⊂ RE with
dH < 1 is totally disconnected [12] (a set Ω is totally disconnected if for x ∈ Ω,
the largest connected component of Ω containing x is x itself). If Ω ⊂ RE is an
open set, then dH = E. If Ω is countable, then dH = 0. For ordinary geometric
objects, the Hausdorff and box counting dimensions are equal: dH = dB . However,
in general, dH ≤ dB [12]. This inequality holds since the set C (s) of all s-coverings
of Ω includes any covering of Ω by boxes of size s.
6 1 Introduction

The above discussion suggests that it is easier to obtain an upper bound on dH

than a lower bound. Obtaining a lower bound on dH requires estimating all possible
coverings of Ω. Also, the box counting dimension is not as well-behaved as the
Hausdorff dimension. For example, a countable set can have a positive dB [12].
However, in practice the Hausdorff dimension has been rarely used, while the box
counting dimension has been widely used, since it is easier to compute.
Chapter 2
Covering a Complex Network

The previous chapter showed how the box counting and Hausdorff dimensions of a
geometric object Ω are computed from a covering of Ω. With this background, we
can now consider what it means to cover a complex network G, and how a fractal
dimension can be computed from a covering of G. We require some definitions. The
network B is a subnetwork of G if B can be obtained from G by deleting nodes and
arcs. By a box we mean a subnetwork of G. A box is disconnected if some nodes in
the box cannot be connected by arcs in the box. Let {Bj }Jj=1 ≡ {B1 , B2 , · · · , BJ }
be a collection of boxes. Two types of coverings of G have been proposed: node
coverings and arc coverings. Let s be a positive integer.
Definition 2.1 (i) The set {Bj }Jj=1 is a node s-covering of G if for each j we have
diam(Bj ) < s and if each node in N is contained in exactly one Bj . (ii) The set
{Bj }Jj=1 is an arc s-covering of G if for each j we have diam(Bj ) < s and if each
arc in A is contained in exactly one Bj .  
If Bj is a box in a node or arc s-covering of G then the requirement diam(Bj ) < s
in Definition 2.1 implies that Bj is connected. However, this requirement, which is
a standard assumption in defining the box counting dimension of G (e.g., [16, 29,
30, 48, 56]), may frequently be violated, for good reasons, in some methods for
determining the fractal dimensions of G, as we will discuss in Sect. 3.6.
It is possible to define a node covering of G to allow a node to be contained
in more than one box; coverings with possibly overlapping boxes are studied in
[15, 60]. The great advantage of non-overlapping boxes is that they immediately
yield a probability distribution, as discussed in Chap. 8. The probability distribution
obtained from a non-overlapping node covering of G is the basis for computing
the information dimension dI and the generalized dimensions Dq of G (Chap. 9).
Therefore, in this survey, each node covering of G is assumed to use non-
overlapping boxes, as specified in Definition 2.1.

© The Author(s), under exclusive licence to Springer International Publishing AG, 7

part of Springer Nature 2018
E. Rosenberg, A Survey of Fractal Dimensions of Networks, SpringerBriefs
in Computer Science, https://doi.org/10.1007/978-3-319-90047-6_2
8 2 Covering a Complex Network

Fig. 2.1 A node 3-covering

(a) and an arc 3-covering (b)

Fig. 2.2 A node covering

which is not an arc covering

Since a network of diameter 0 contains only a single node, a node 1-covering

contains N boxes. Since a node 1-covering provides no useful information other
than N itself, we consider node s-coverings only for s ≥ 2. Figure 2.1a illustrates
a node 3-covering with J = 2. Both boxes in the 3-covering have diameter 2.
Figure 2.1b illustrates an arc 3-covering of the same network using three boxes.
The box indicated by the solid blue line contains four arcs, the box indicated by the
dotted red line contains three arcs, and the box indicated by the dashed green line
contains one arc.
Each arc covering of G yields a node covering. However, the converse is not true:
a node covering does not in general yield an arc covering. This is illustrated by the
simple example of Fig. 2.2. The nodes are covered by B1 and B2 , but the arc in the
middle belongs to neither B1 nor B2 .
Definition 2.2 (i) An arc s-covering {Bj }Jj=1 is minimal if for any other arc s-

covering {Bj  }Jj =1 we have J ≤ J  . (ii) A node s-covering {Bj }Jj=1 is minimal if

for any other node s-covering {Bj  }Jj =1 we have J ≤ J  . 

That is, a covering is minimal if it uses the fewest possible number of boxes. For
s > Δ, the minimal node or arc s-covering consists of a single box, which is G
itself. Virtually all research has considered node coverings; only a few studies (e.g.,
[74]) use arc coverings. The reason arc coverings are rarely used is that, in practice,
computing a fractal dimension of a geometric object typically starts with a given set
of points in RE (the points are then covered by boxes, or the distance between each
pair of points is computed (e.g., [22, 36])), and nodes in a network are analogous to
points in RE . Having very briefly contrasted arc coverings and node coverings for
a network, we now abandon arc coverings; henceforth, all coverings of G are node
coverings, and by covering G we mean covering the nodes of G. Also, henceforth
by an s-covering we mean a node s-covering, and by a covering of size s we mean
an s-covering.
2.1 Box Counting with Diameter-Based or Radius-Based Boxes 9

2.1 Box Counting with Diameter-Based or Radius-Based

Boxes

There are two main approaches used to define boxes for use in covering G: diameter-
based boxes and radius-based boxes.
Definition 2.3 (i) A radius-based box G(n, r) with center node n ∈ N and radius r
is the subnetwork of G containing all nodes whose distance to n does not exceed r.
Let BR (r) be the minimal number of radius-based boxes of radius at most r needed
to cover G. (ii) A diameter-based box G(s) of size s is a subnetwork of G of diameter
s − 1. Let BD(s) denote the minimal number of diameter-based boxes of size at most
s needed to cover G.  
Thus the node set of G(n, r) is {x ∈ N | dist(n, x) ≤ r}. Radius-based boxes
are used in the Maximum Excluded Mass Burning and Random Sequential Node
Burning methods described in Chap. 3. Interestingly, the above definition of a
radius-based box may frequently be violated in the Maximum Excluded Mass
Burning and Random Sequential Node Burning methods. In particular, some radius-
based boxes created by those methods may be disconnected, or some boxes may
contain only some of the nodes whose distance to the center node n does not
exceed r.
A diameter-based box G(s) is not defined in terms of a center node; instead,
for x, y ∈ G(s) we require dist(x, y) < s. Diameter-based boxes are used in
the Box Burning and Compact Box Burning heuristics described in Chap. 3. The
above definition of a diameter-based box also may frequently be violated in the
Box Burning and Compact Box Burning methods. Also, since each node in G must
belong to exactly one Bj in an s-covering {Bj }Jj=1 using diameter-based boxes, then
in general we will not have diam(Bj ) = s − 1 for all j . To see this, consider a chain
of three nodes (call them x, y, and z), and let s = 2. The minimal 2-covering using
diameter-based boxes requires two boxes, B1 and B2 . If B1 covers x and y then B2
covers only z, so the diameter of B2 is 0.
The minimal number of diameter-based boxes of size at most 2r + 1 needed to
cover G is, by definition, BD(2r + 1). We have BD(2r + 1) ≤ BR (r) [29]. To see
this, let G(nj , rj ), j = 1, 2, · · · , BR (r) be the boxes in a minimal covering of G
using radius-based boxes of radius at most r. Then rj ≤ r for all j . Pick any j , and
consider box G(nj , rj ). For any nodes x and y in G(nj , rj ) we have

dist(x, y) ≤ dist(x, nj ) + dist(nj , y) ≤ 2rj ≤ 2r ,

so G(nj , rj ) has diameter at most 2r. Thus these BR (r) boxes also serve as a covering
of size 2r + 1 using diameter-based boxes. Therefore, the minimal number of
diameter-based boxes of size at most 2r +1 needed to cover G cannot exceed BR (r);
that is, BD(2r + 1) ≤ BR (r).
10 2 Covering a Complex Network

Fig. 2.3 Diameter-based vs.

radius-based boxes

The reverse inequality does not in general hold, since a diameter-based box of
size 2r +1 can contain more nodes than a radius-based box of radius r. For example,
consider the network G of Fig. 2.3. The only nodes adjacent to n are x and z, so
G(n, 1) = {n, x, z} and BR (1) = 2. Yet the diameter of G is 2, so it can be covered
by a single diameter-based box of size 3, namely G itself, so BD(3) = 1. Thus BR (r)
and BD(2r + 1) are not in general equal. Nonetheless, for the C. elegans and Internet
backbone networks studied in [56], the calculated fractal dimension was the same
whether radius-based or diameter-based boxes were used. Similarly, both radius-
based and diameter-based boxes yielded a fractal dimension of approximately 4.1
for the WWW (the World Wide Web) [29].
The term box counting refers to computing a minimal s-covering of G for a
range of values of s, using either radius-based boxes or diameter-based boxes.
Conceivably, other types of boxes might be used to cover G. In the fractal literature,
the box counting dimension dB is often informally defined by the scaling BD(s) ∼
s −dB . (The symbol “∼”, frequently used in the fractal literature but often with
different meanings, should here be interpreted to mean “approximately behaves
like”.) Definition 2.4 below provides a more computationally useful definition of
dB for a complex network.
Definition 2.4 G has box counting dimension dB if over some range of s and for
some constant c we have

log BD(s) ≈ −dB log(s/Δ) + c . 

 (2.1)

Alternatively, (2.1) can be written as log BD(s) ≈ −dB log s + c. If G has box
counting dimension dB then over some range of s we have BD(s) ≈ as −dB for some
constant a. In the terminology of [16], if the box counting dimension for G exists,
then G enjoys the fractal scaling property, or, more simply, G is fractal. The main
feature apparently displayed by fractal networks is a repulsion between hubs, where
a hub is a node with a significantly higher node degree than a non-hub node. That
is, the highly connected nodes tend to be not directly connected [72]. This tendency
can be quantified using the joint node degree distribution p(δ1 , δ2 ) that a node with
degree δ1 and a node with degree δ2 are neighbors (i.e., connected by a single arc).
In contrast, for a non-fractal network G, hubs are mostly connected to other hubs,
which implies that G enjoys the small-world property [16]. (Roughly speaking, G
is a small-world network if diam(G) grows as log(N ) [57].) Also, the concepts of
2.1 Box Counting with Diameter-Based or Radius-Based Boxes 11

Fig. 2.4 Fractal vs.

non-fractal scaling

modularity and fractality for a network are closely related. Interconnections within
a module (e.g., a biological sub-system) are more prevalent than interconnections
between modules. Similarly, in a fractal network, interconnections between a hub
and non-hub nodes are more prevalent than interconnections between hubs. Non-
fractal networks are typically characterized by a sharp decay of BD(s) with s, which
is better described by an exponential law BD(s) ∼ e−β s , where β > 0, rather than
by a power law BD(s) ∼ s −β , with a similar statement holding if radius-based boxes
are used. These two cases are illustrated in Fig. 2.4, taken from [16], where the solid
circles are measurements from a fractal network, and the hollow circles are from a
non-fractal network.
Chapter 3
Network Box Counting Heuristics

In this chapter we examine several methods for computing a minimal set of

diameter-based boxes, or a minimal set of radius-based boxes, to cover G. We
will see that some of these methods, which have been shown to be quite effective,
nonetheless require us to bend some of the definitions presented in Chap. 2. In
particular, some of these methods may generate boxes that are not connected
subnetworks of G.

3.1 Node Coloring Formulation

The problem of determining the minimal number BD(s) of diameter-based boxes of

size at most s needed to cover G is an example of the NP-hard graph coloring
problem [56], for which many good heuristics are available. To transform the
covering problem into the graph coloring problem for a given s ≥ 2, first create the
auxiliary graph Gs = (N, As ) as follows. The node set of Gs is N; it is independent
of s. The arc set As of Gs depends on s: there is an undirected arc (u, v) in As if
dist(u, v) ≥ s, where the distance is in the original graph G.
Having constructed Gs , the task is to color the nodes of Gs , using the minimal
number of colors, such that no arc in As connects nodes assigned the same color.
That is, if (u, v) ∈ As , then u and v must be assigned different colors. The minimal
number of colors required is called the chromatic number of Gs , traditionally
denoted by χ (Gs ).
Theorem 3.1 χ (Gs ) = BD(s).
Proof ([56]) Suppose that nodes u and v are assigned the same color. Then u and
v cannot be the endpoints of an arc in Gs , because if they were, they would be
assigned different colors. Hence dist(u, v) < s, so u and v can be placed in a single

© The Author(s), under exclusive licence to Springer International Publishing AG, 13

part of Springer Nature 2018
E. Rosenberg, A Survey of Fractal Dimensions of Networks, SpringerBriefs
in Computer Science, https://doi.org/10.1007/978-3-319-90047-6_3
14 3 Network Box Counting Heuristics

Fig. 3.1 Example network

for node coloring

diameter-based box of size s. It follows that BD(s) ≤ χ (Gs ). To prove the reverse
inequality, consider any minimal s-covering using BD(s) boxes, and let B be any
box in this covering. For any nodes x and y in this box we have dist(x, y) < s, so
x and y are not connected by an arc in Gs . Thus x and y can be assigned the same
color, which implies χ (Gs ) ≤ BD(s).  
We illustrate the node coloring formulation using the network of Fig. 3.1. For s =
3, the auxiliary graph G3 is given by Fig. 3.2a. Arc (x, y) exists in G3 if dist(x, y) ≥
3. Thus node c is isolated in G3 since its distance in G to all other nodes does not
exceed 2. Also, the distance in G from g to all nodes except a does not exceed 2, so
arc (g, a) exists in G3 .
The chromatic number χ (G3 ) of the simple network of Fig. 3.2a can be exactly
computed using the Greedy Coloring method [56], which assigns colors based on a
random ordering of the nodes. Typically Greedy Coloring would be run many times,
using different random orderings of the nodes; using 10,000 random orderings,
Greedy Coloring has been shown to provide significant accuracy. Moreover the
method is very efficient, since, for a given random ordering of the nodes, a single
pass through all the nodes suffices to compute an s-covering of G for all box sizes
s [56].
We illustrate Greedy Coloring using Fig. 3.2b. Suppose we randomly pick a as
the first node, and assign the color yellow to node a (a yellow node is indicated
using a small square box). Then d, e, f , and g cannot be colored yellow, so we
color them blue (a blue node is indicated using a small oval box). We can color
b yellow since it is connected only to nodes already colored blue. Since c is
isolated we are free to assign it any color, so we color it yellow. We are done;
nodes a, b, and c are in the yellow box and nodes d, e, f , and g are in the blue
box. This is an optimal coloring, since at least two colors are needed to color any
graph with at least one arc. Figure 3.3 illustrates, in the original network, the two
boxes in this minimal covering for s = 3.
For s = 4, the auxiliary graph G4 is shown in Fig. 3.4a. There is an arc (x, y)
in G4 if in G we have dist(x, y) ≥ 4. We again apply the Greedy Coloring
heuristic to compute the chromatic number χ (G4 ). Suppose we randomly pick a
as the first node, and assign the color yellow to node a. Then e and f cannot
be colored yellow, so we color them blue. The remaining nodes are isolated
so we arbitrarily color them blue. We are done; a is in the yellow box and the
remaining nodes are in the blue box. This is also an optimal coloring. Figure 3.4b
illustrates, in the original network, the two boxes in the minimal covering for s = 4.
3.2 Node Coloring for Weighted Networks 15

Fig. 3.2 (a) Auxiliary graph with s=3, and (b) its coloring

Fig. 3.3 Minimal covering

for s = 3

Fig. 3.4 (a) Auxiliary graph with s=4, and (b) its coloring

3.2 Node Coloring for Weighted Networks

For an unweighted network, the distance between two nodes (also known as the
chemical distance, or the hop count) ranges from 1 to the diameter Δ of the network.
However, when applying box counting to a weighted network, choosing box sizes
between 2 and Δ will not in general be useful. For example, if the network diameter
is less than 1, then the entire network is contained in a box of size 1. One simple
approach to dealing with box size selection for weighted networks is to multiply
each arc length by a sufficiently large constant k. For example, if we approximate
each arc length by a rational number, then choosing k to be the least common
denominator of all these rational numbers will yield a set of integer arc lengths.
16 3 Network Box Counting Heuristics

Fig. 3.5 A weighted network

Even if all the arc lengths are integer, a set of box sizes must still be selected. The
box sizes could be selected using a default method, such as starting with a box
size less than the network diameter, and decreasing the box size by a factor of 2
in each iteration. Alternatively, the box sizes could be determined by an analysis
of the set of arc lengths. This is the approach taken in [69], and we describe their
method using the network of Fig. 3.5. The nodes are a, b, c, d, e, f , and each arc
length is shown. We first pre-process the data by computing the shortest distance
dij between each pair (i, j ) of nodes. The largest dij is the diameter Δ. For this
example we have Δ = 1.16, which is the distance between nodes a and c. The
second pre-processing step is to sort all the dij values in increasing order. For this
example, the five smallest dij values are 0.05, 0.1, 0.3, 0.4, 0.5. Next we compute
the successive sums of the ordered dij values, stopping when the sum first exceeds
Δ. The first sum is σ (1) = 0.05, the second is σ (2) = σ (1) + 0.1 = 0.15, the third
is σ (3) = σ (2) + .3 = .45, the fourth is σ (4) = σ (3) + 0.4 = 0.85, and finally
σ (5) = σ (4) + 0.5 = 1.35 > Δ. We set s1 = σ (4) = 0.85 since this is the largest
sum not exceeding Δ.
Next we create an auxiliary graph G such that an arc in G exists between nodes
i and j if dij ≥ s1 . There are four pairs of nodes for which dij ≥ s1 , namely (a, c),
(a, e), (a, f ), and (c, b), so G has four arcs. Node d does not appear in G. The
length of arc (i, j ) in G is dij , e.g., daf = 0.95, which is the length of the shortest
path in G from a to f . Next we assign a weight to each node in G. For node i in G,
the weight w(i) is

w(i) ≡ dij .
(i,j )∈G

The w(i) values are the underlined values in Fig. 3.6 next to each node. Thus w(a) =
0.9 + 1.16 + 0.95 = 3.01 for the three arcs in G incident to a, and w(f ) = 0.95 for
the one arc in G incident to f . As in Sect. 3.1, we color the nodes of G so that the
endpoints of each arc in G are assigned different colors. Each color will correspond
to a distinct box, so using the minimal number of colors means using the fewest
boxes. We start with the node with the highest weight. This is node a, whose weight
is 3.01. Suppose we assign to a the color yellow, as indicated by the node name
in a small square, as shown in Fig. 3.7. Then nodes c, e, and f cannot be colored
yellow, so we color them blue, as indicated by the node name in a small circle.
The remaining node in G to be colored is node b, and it can be colored yellow.
3.3 Random Sequential Node Burning 17

Fig. 3.6 Auxiliary graph for

box size s1 = 0.85

Fig. 3.7 Two boxes are

required for box size s1

The final step in this iteration is to color to each node not in G. If node i does not
appear in G then, by construction of G, we have dij < s1 for j ∈ N. Thus i can be
assigned to any nonempty box, so i can be assigned any previously used color. In
our example, only d is not in G, and we arbitrarily color it yellow. Thus for the
initial box size s1 we require only two boxes, a yellow box containing a, b, and d,
and a blue box containing c, e, and f . This concludes the iteration for the initial
box size s1 .
For the second iteration, we first need the new box size s2 . The method of [69]
simply takes the next smallest of the sums. Since s1 = σ (4), then s2 = σ (3) = 0.45.
With this new box size, we continue as before, creating a new auxiliary graph G
containing each arc (i, j ) such that dij ≥ s2 , determining the weight of each node
in G, coloring the nodes of G, and then coloring the nodes not in G. Then we select
s3 = σ (2) and continue in this manner.
This above material is one of the few sections in this survey concerning weighted
networks. We now return to the study of unweighted networks, and examine other
methods for box counting.

3.3 Random Sequential Node Burning

In this section we study the Random Sequential Node Burning method of [29] for
covering G using radius-based boxes. For a given radius r, the procedure is as
follows. Initially all nodes are uncovered (or “unburned”, in the terminology of [29],
i.e., not yet assigned to a box), and the box count BR (r) is initialized to 0. In each
iteration, we first pick a random node n which may be covered or uncovered, but
which has not previously been selected as the center node of a box. We create the
new radius-based box G(n, r). Next we add to G(n, r) each uncovered node whose
distance from n does not exceed r. If G(n, r) contains no uncovered nodes, then
18 3 Network Box Counting Heuristics

Fig. 3.8 Covering using

Random Sequential Node
Burning

G(n, r) is discarded; otherwise, BR (r) is incremented by 1, and each uncovered

node added to G(n, r) is marked as covered. This concludes an iteration of the
method.
If there are still uncovered nodes, the next iteration begins by picking another
random node n  which may be covered or uncovered, but which has not previously
been selected as the center node of a box. We continue in this manner until all nodes
are covered.
Figure 3.8, adapted from [29], illustrates the method for r = 1. Initially, all
eight nodes are uncovered. Suppose node a is randomly selected as the center node,
and G(a, 1) is created. Since a, b, and c are uncovered and are within one hop
of a, they are placed in G(a, 1); nodes a, b, and c are now covered. There are
still uncovered nodes. Suppose b is randomly selected as the next center node, and
G(b, 1) is created. There are no uncovered nodes within one hop of b, and b is
already covered, so we discard G(b, 1). Suppose c is randomly selected as the next
center node, and G(c, 1) is created. The uncovered nodes d and e are one hop away
from c, so they are placed in G(c, 1); nodes d, and e are now covered. There are
still uncovered nodes, so suppose d is randomly selected as the next center node,
and G(d, 1) is created. The only uncovered node one hop from d is f , so we place
f in G(d, 1); node f is now covered. There are still uncovered nodes, so suppose
e is randomly selected as the next center node, and G(e, 1) is created. Node g and
h are uncovered and one hop from e so we place g and h in G(e, 1); nodes g and
h are now covered. At this point there are no uncovered nodes, and the Random
Sequential Node Burning method halts for this radius r; four boxes were created.


As mentioned earlier, this method can generate disconnected boxes. For example,
in Fig. 3.8 there is no path in G(c, 1) connecting the two nodes in that box, and there
is no path in G(e, 1) connecting the two nodes in that box. Also, a box centered at a
node may not even contain the center node, e.g., G(e, 1) does not contain the center
node e. Thus a radius-based box G(n, r) generated by Random Sequential Node
Burning may fail to satisfy Definition 2.3, which would appear to cast doubt on the
3.4 Set Covering Formulation and a Greedy Method 19

validity of dB calculated by this method. However, computational results [29, 56]

show that Random Sequential Node Burning yields the same value of dB as obtained
using other box counting methods.
It is perhaps surprising that Random Sequential Node Burning does not exclude
a node that has been covered from being selected as a center. If Random Sequential
Node Burning is modified to exclude a covered node from being a box center, then a
power law scaling relation is not observed for the WWW [29]. However, for another
fractal network studied in [29], a power law continues to hold with this modification,
although the modification led to somewhat different values of BR (r).

3.4 Set Covering Formulation and a Greedy Method

The problem of computing the minimal number BR (r) of radius-based boxes of

radius at most r needed to cover G can be formulated as a set covering problem, a
classic combinatorial optimization problem. For simplicity we will refer to node j
rather than node nj , so N = {1, 2, · · · , N}. For a given positive integer r, let M r be
the N by N matrix defined by

1 if dist(i, j ) ≤ r,
Mijr = (3.1)
0 otherwise .
(The superscript r does not mean the r-th power of the matrix M.) For an undirected
graph, M r is symmetric. For example, for r = 1, the matrix M 1 corresponding to the
network of Fig. 3.9 is the same as the node-node incidence matrix of the network,
namely
⎛ ⎞
1100001
⎜1 1 1 0 0 0 0⎟
⎜ ⎟
⎜0 1 1 1 0 0 1⎟
⎜ ⎟
⎜ ⎟
M1 = ⎜ 0 0 1 1 1 0 0 ⎟ .
⎜ ⎟
⎜0 0 0 1 1 1 0⎟
⎜ ⎟
⎝0 0 0 0 1 1 1⎠
1010011
For the same network and r = 2 we have
⎛ ⎞
111 0 0 1 1
⎜1 1 1 1⎟
⎜ 1 0 0 ⎟
⎜1 1 1 1⎟
⎜ 1 1 1 ⎟
⎜ ⎟
M = ⎜0 1 1
2
1 1 1 1⎟ .
⎜ ⎟
⎜0 0 1 1 1 1 1⎟
⎜ ⎟
⎝1 0 1 1 1 1 1⎠
111 1 1 1 1
20 3 Network Box Counting Heuristics

Fig. 3.9 Example network

with seven nodes and eight
arcs

For n = 1, 2, · · · , N, let xn be the binary variable defined by

1 if the box centered at n with radius r is used in the covering of G,

xn =
0 otherwise.

The minimal number BR (r) of boxes needed to cover G is the optimal objective
function value of the following binary integer program (an integer program is a
linear optimization problem whose variables are restricted to be integer valued):


N
minimize xn (3.2)
n=1


N
subject to Mjr n xn ≥ 1 for j = 1, 2, · · · , N (3.3)
n=1
xn = 0 or 1 for n = 1, 2, · · · , N. (3.4)

Here Mjr n is the element in row j and column n of the matrix M r . The objective
function (3.2) is the number of center nodes used in the covering, i.e., the number
of boxes used in the covering. The left hand side of constraint (3.3) is the number of
boxes covering node j , so this constraint requires that each node be within distance
r of at least one center node used in the covering.
To express this formulation more compactly, let x = (x1 , x2 , · · · , xN ) be the
column vector of size N (that is, a matrix with N rows and one column) and let
x T be the transpose of x (so x T is a matrix with one row and N columns). Let 1
= (1, 1, · · · , 1) be the column vector of size N each of whose components is 1.
Then the above set covering formulation can be written as

minimize x T 1
subject to M r x ≥ 1
xn = 0 or 1 for n = 1, 2, · · · , N.
Another random document with
no related content on Scribd:
innostukseni, kaikkeni! Mutta minulla on rohkeutta, minulla on
voimaa raivata itselleni uusi tie. Kunpa Jumala auttaisi minua, ja
Hän sen kyllä tekee. Se on kohtaloni, tunnen sen, minun pitää
seurata sitä, minun pitää taipua sen alle, minulla ei ole voimaa
vastustaa sitä. Itken ajatellessani, mitä minä jätän. Riemuitsen
ajatellessani itseni vapaaksi. Nyt kai aavistatte, mitä minä teen.
Toivon, ettette ilmoita sitä muille. Älkää halveksiko minua. Teen
sen, koska minun luonnollani on mahdotonta tehdä toisin!

Teidän onneton, onnellinen

Iida Aalberg.»

Tämäkin kirje on kirjoitettu kiihkotilassa, se on jo siksi

epämääräinenkin, että Bertha Forsman, vastaanottaja, luuli Ida
Aalbergin tarkoituksena olevan luopua kokonaan näyttämöltä. Tämä
ei kiihkossaan ollut lukenut edes tarkkaan välikirjaa, josta puhuu —
sillä sen mukaan hän olisi voinut irti sanomisensa säästää kuukautta
myöhemmäksi. Bertha Forsman piti luopumisajatuksia hyvin
valitettavina, Suomalainen näyttämö ei hänen mielestään saanut
kadottaa Ida Aalbergia. Silloin tämä selvittelee tekoansa seuraavalla
tavalla:

»Olkaa huoleti. Antakaa anteeksi epäselvä kirjoitustapani. En jätä

vielä näyttämöä. Erosin nyt päästäkseni lentämään. En kuulu
mihinkään ahtaaseen uskontolahkoon. Löydän oman jumalani
kaikkialta ja palvelen häntä kaikkialla, missä on kauneutta, korkeutta,
suuruutta ja totuutta!»

Ida Aalbergin elämässä oli monta myrsky- ja kiihkokautta, mutta

erikoisesti tämä nuoruudenajan raju kiihkoilu esiintyy
päämäärättömänä ja haihattelevana sisäisenä palona. Siitä kiihkosta
havaitaan merkkejä melkein kaikissa taidearvosteluissa, jotka
koskevat hänen näyttämöluomiaan tältä ajalta. Keväällä 1883 hän
sai Adrienne Lecouvreurinä suuren menestyksen, mutta arvostelu
totesi, että tämän voitto johtui lähinnä siitä hillittömästä hehkusta,
jolla hän voi täyttää pääosan Scriben näytelmässä. On muistettu,
että hän näihin aikoihin esiintyi näytäntöiltoina toisinaan
semmoisessa mielentilassa, että toverit pelkäsivät hänen
näyttämöllä hajottavan kulissit tai pukuhuoneessaan seinät. Joskus
hänen sanotaan tehneen itsensä syypääksi rikkomuksiin sekä
itsekuria että näyttämökuria vastaan »tulisilla
ajattelemattomuuksillaan». Kiihkohetkien välillä on aina syvän
alakuloisuuden ja mielenmasennuksen aikoja, jolloin hän vetäytyy
yksinäisyyteen hautomaan ajatuksiaan. Tyhjyyden ja ikävyyden
tunne vaivaa häntä. Hänen kunnianhimonsa etsii vaikutusalaa, joka
antaisi enemmän kuin Suomalainen teatteri kykenee tarjoamaan.

Hän saa näinä vuosina suuren joukon ystäviä ja ihailijoita. Ne ovat

enimmäkseen miespuolisia, vain harvojen naisten kanssa hän
asettuu läheisen tuttavuuden suhteeseen. Hän tahtoo päästä
eteenpäin elämässä ja hän sovittaa tuttaviinsa mittapuuta: onko hän
erikoinen? Ilman näkyvää aihetta hän saattaa kirjoittaa jollekin
ystävättärelleen huudahduksia: »olkaamme suoria! olkaamme tosia!
olkaamme avomielisiä!» Itse hän on taipuvainen ystävätärten kesken
tunnustuksiin, joita kieltää muille ilmoittamasta, hän tekee heistä
uskottujaan ja ihailee heissä ilmenevää »erikoisuutta».
VII.

SARAH BERNHARDT. VÄLJEMMILLE VESILLE.

Saksalaisen teatterin antamat vaikutelmat, jotka olivat sangen

määräävinä tekijöinä Ida Aalbergin nuoruudessaan saavuttamiin
voittoihin, näyttelijätär oli omaksunut lyhyessä ajassa ja käyttänyt
niitä hyväkseen erinomaisella menestyksellä. Peritty kiihkeä ja
tulinen temperamentti, johon yhtyi nuoruuden viehkeys ja sulo ja
ihana, puhtaana heläjävä ääni, oli saanut tuekseen saksalaisen
tähtikouluutuksen kehitetyn lausuntataidon.

Ida Aalbergin myöhemmällä iällä ei saksalaisen kouluutuksen

ansioita hänen kehitykseensä nähden paljoakaan muisteltu.
Tiedettiin mainita nimi: Marie Seebach, mutta siinä olikin melkein
kaikki. Sensijaan muisteltiin, yleisemmin niitä vaikutelmia, joita
taiteilijattaren sanottiin saaneen Ranskan suurelta tähdeltä, Sarah
Bernhardtilta.

Kesällä 1883 Ida Aalberg ensi kerran tutustui Sarah Bernhardtin

taiteeseen.

*****
 Ida Aalberg sai, vaikka erosikin Suomalaisesta teatterista, keväällä
1883 pienen valtioavun ulkomaamatkaa varten. Hän suunnitteli
esiintymistä Kööpenhaminassa, jonne Z. Topelius häntä lämpimästi
suosittelu Sarah Bernhardt vieraili näihin aikoihin Tukholmassa ja
Kööpenhaminassa, ja uskotulleen Bertha Forsmanille Ida Aalberg
kertoo ensi vaikutelmistaan seuraavalla tavalla:

»Millä mielenkiinnolla, millä jännityksellä, millä tunteilla näinkään

ja seurasinkaan Sarah Bernhardtin näyttelemistä. Kaikki, mitä olin
kuullut hänestä, ja sitä on paljon, palasi muistiini ja teki minut niin
hajamieliseksi, etten lainkaan voinut seurata hänen esiintymistään
ensimmäisenä iltana, en tiedä, miten hän näytteli. Vasten tahtoani
ajatukseni kiertelivät hänen persoonaansa, koko ajan ajattelin
Sarah Bernhardtia ihmisenä, tahdoin nähdä, miltä hänenlaisensa
nainen näyttää. Myöhempinä iltoina kiinnitti hänen näyttelemisensä
huomioni — kuten näette, menettelin perusteellisesti. Ensin tunsin
pettyneeni — kuten monet muutkin — mutta vika oli pääasiallisesti
Sardoun. Kappale, osa, on ontto, pinnallinen, luonnoton, kaikkialla
johtuu ajattelemaan, kuinka Sardou on kyhännyt kokoon sen ja sen
kohtauksen antaakseen maailmankuululle taiteilijalle tilaisuuden
näyttää ihmeteltäviä vaikutuskeinojaan. Hänellä on säihkyvä
tekniikka. Hämmästyy, kun näkee sen taituruuden, millä hän
suoriutuu pahimmistakin vaikeuksista. Hän on suuri. Hänellä on
nerollisuutta. Mutta hän käyttää väärin leiviskäänsä. Hän häikäisee
omaa aikaansa, mutta jälkimaailma unhottaa hänet pian. Hän
häikäisee yleisönsä, mutta kun tulee kotiin, unhottaa hänet ja voi
rauhallisesti laskeutua levolle. Hänen elämänsä on liiaksi
samentanut hänen sieluansa. Runous on kadonnut, se ei enää
levitä tuoksuaan hänen luomainsa yli. — Hän on antanut
parhaansa ihmisille, jotka eivät ole sitä ansainneet, hän on leikkinyt
elämällään; ja niin on hänen persoonansa ‒ ennenkuin hän sitä itse
aavisti ‒ muuttunut kasaksi kuihtuneita lehtiä. En tuomitse sitä, mitä
en ole nähnyt. Mutta eiköhän Sarah Bernhardtin naisellisuus ole
ajautunut karille? Ellei se olisi totta, niin kuinka hän voisi sallia
kaiken maailman kertojien haastaa itsestään merkillisiä, ei kauniita
anekdootteja; kirjoittaahan hän toisinaan julkisesti, ellei se olisi
totta, kuinka voisi sallia jonkin vintiön julkisessa
sanomalehtiartikkelissa käyvän hänen kunniansa kimppuun???
Kaikki tuo samensi hänen näyttelemisensä vaikutusta minuun.
Valériena hän kuitenkin ihastutti minua, hänen esiintymisessään oli
yksinkertaisuutta ja totuutta, näin kyynelten kimaltelevan hänen
kauniissa silmissään, se liikutti minua niin, kuinka katkerasti, kuinka
syvästi hän usein tuntee tulleensa sen ihanteen vastakohdaksi, jota
hän esittää. Valériessa oli kohtia, joissa hän mielestäni oli ylevä.
Kööpenhaminassa yleisö oli kylmähköä, he väittivät, ettei hän ollut
sitä, mitä hän ennen oli ollut. Hänen levoton elämänsä kuluttaa
voiman, väsymyksen piirre verhosi hänen aina kauniita,
jalonmuotoisia kasvojaan. Hänen vartalonsa oli kaunis, pitkä
täyteläinen, taipuisa ja hoikka. Millä innostuksella olisinkaan
katsonut häneen, jos hän naisenakin olisi tullut suureksi. Onko
sitten tuo ala niin vaikea, ettei kukaan nainen voi tulla suureksi
taiteilijaksi menettämättä kunniaansa. Eikö voi tulla suureksi
taiteilijaksi ja olla kristitty? Naisen, joka on taiteilija, suurimpana
tehtävänä on näyttää ihmiskunnalle, että semmoinen mahdollisuus
on olemassa. Eikö jalo voita? Ah! Kunpa Jumala antaisi minulle
voimaa, antaisi minulle tarmoa täyttämään sen, mistä uneksin.»

Tämän kirjeen Ida Aalberg kirjoitti kesäkuun 10 p:nä Emsistä,

minne hän oli mennyt kylpemään. Kirjeen lopussa hän kertoo
olostaan siellä:
 »Vasta muutamia päiviä olen ollut Emsissä, enkä siis voi kuurista
sanoa mitään. Keisari Wilhelm tulee tänne huomenna, vieraita tulvii
tänne. Keisariaikana sanotaan sesongin olevan loistavan.

Elän yksin unelmineni. Näyttää herättävän huomiota, että nuori

nainen on niin aivan yksikseen. En ole tiedustellut, keitä
suomalaisia täällä oleskelee. Olisin iloinen, jos pian saisin Teiltä
kirjeen.

Maailmassa on vähän sellaista, mikä kestää. Olkoon Teidän

ystävyytenne
minua kohtaan sellainen harvinaisuus.

Teidän
Ida Aalberg.»

Heinäkuussa Ida Aalberg parin Emsissä tapaamansa suomalaisen

naisen kanssa matkusti Parisiin. Kirjeissään hän kertoo, että Seinen
kaupunki miellytti häntä tavattomasti. Hän tekee pitkiä, isänmaalleen
perin epäedullisia vertailuja Suomen ja Ranskan olojen välillä;
edellisessä on pikkumaisuutta, ilkeätä puoluemieltä, jälkimäisessä
työteliäisyyttä, iloa ja onnea. Louvre ja Boulognen metsä ovat hänen
mielipaikkansa j.n.e. Lokakuussa hän kirjoittaa Bertha Forsmanille
kirjeen, jossa on kuitenkin merkillisempiäkin tietoja:

»Tulen Björnstjerne Björnsonin läheisyydestä. Olen koko illan ollut

hänen seurassaan Walter Runebergin luona. Ah, miten tunnen itseni
vähäpätöiseksi, heikoksi, onnettomaksi. Kuinka tämmöinen pieni
persoonallisuus katoaa semmoisen hengen rinnalla. Hyvä Jumala,
kuinka onnellista on saada joka päivä seurustella suurenmoisen
luonteen kanssa. Kunpa ihmiset eivät vaientaisi omiatuntojaan,
kunpa he pintapuolisen hupatuksen sijaan ottaisivat ajatellakseen
vähän syvemmälle, kunpa he eivät niin kevytmielisesti valitsisi
seurapiiriään, jokapäiväistä seurapiiriään. Tuommoinen tavallinen,
kaikkien konvenanssin sääntöjen mukaan valittu seura, joka
kokoontuu pari kolme kertaa viikossa ihaillakseen kahvipöydän
ääressä toinen toisensa halpahintaisia ajatuksia, millaista myrkkyä
sielulle, millainen vaarallinen putous paremmalle minällemme, mikä
raunio kaikelle yksilöllisyydelle. Jos kerta olemme päässeet selville
siitä, että olemme ihmisiä, niin tiedämme myöskin, kuinka paljon
lähin ympäristömme vaikuttaa meihin. Kehenkään nähden ei pidä
olla niin varovainen kuin ystäviinsä nähden, s.o. niihin henkilöihin,
joiden kanssa useimmin on yhdessä. Aivan huomaamatta alkaa
mukautua heihin. Kuinka henkisesti rikkaaksi tunnenkaan itseni
semmoisen illan jälkeen kuin esim. tämä. Kuinka valveutunut, kuinka
terve, kuinka rohkea (hän olikaan), ja kuitenkin, samalla kuin sana
»excelsior» soi korvissani, tunnen itseni masentuneeksi,
vähäpätöiseksi, mitättömäksi. En ole mitään, sieluni on köyhä.
Ajatukseni ovat ahtaita. En osaa luonnehtia hänen
persoonallisuuttaan. Hänessä oli Norjan tunturien graniittista lujuutta,
Norjan vuonon kohisevaa aallonloisketta. Intelligentti, henkevä,
epätavallinen, rohkea mies, joka uskaltaa uhmata kokonaista
tavallista vulgääriä maailmaa, Sanoin, että »Hansikkaan»[15] loppu
minua hämmästytti. Hän sanoi, että »Svava» oli »ihminen». Jos
meneteltäisiin toisin, ei maailma pysyisi pystyssä. Hän puhui
voimakkaasti ylellisyyttä vastaan, koska se oli ensimmäinen syy
tapojen huonouteen. Puolusti kovin niitä, joita maailma tuomitsee.
Fennomania on saanut hänen sympatiansa puolelleen. Hän ihaili
heidän energiaansa, työkykyänsä. — Menen jonakin päivänä hänen
luokseen. Tahdon puhua hänen kanssaan useista asioista, joista en
ole selvillä ja jotka esiintyvät »Hansikkaassa». Sanoi saaneensa
nimettömän kirjeen Suomesta ja että siinä oli ollut lopusta sama
mielipide kuin minullakin oli. Luonnollisesti se oli naisen kirjoittama,
luulen että aihe ei ole miehille kovinkaan mieluinen.

En muista kerroinko Teille viime kirjeessäni, että Vicomtesse de

Bridierin äiti [Ida Aalberg asui Parisissa de Bridierin luona] on
kirjailija. Hänellä on suuria tuttavuuksia Parisin henkisessä
maailmassa. Hänen kauttaan olen saanut tutustua henkilöihin, jotka
eivät ole aivan tavallisia. Eräänä päivänä kävimme Mille
Reichemberin luona, Théâtre français'n nykyään parhaan
naispuolisen taiteilijan. Varsinkin pidetään häntä Français'n viimeisen
uutuuden, »Les maurois'n» jälkeen parhaana, sittenkun he ovat
menettäneet korvaamattoman primadonnansa Sarah Bernhardtin.
Sanoin Reichemberille, että minä hyvin kernaasti halusin nähdä
Comédie françaisen kuuluisan paljon puhutun taiteilijalämpiön. Hän
oli niin rakastettava, että pyysi minua väliajalla käymään luonaan
pukuhuoneessa. — Voitte aavistaa iloni, uteliaisuuteni. Koko päivän
kuljin 40, ei, 100 asteen kuumuudessa ja odotin iltaa ja niin se
lopuksi tuli sadan vuoden odotuksen jälkeen. Ja minä olin yhdessä
Madamen kanssa. Vietin siellä unohtumattoman tunnin. Minut
esitettiin Delaunaylle, »françaisen helmelle», hän on jo 60-vuotias ja
näyttää näyttämöllä 25—29-vuotiaalta, Coquelinille, Wormsille y.m.
Hyvä Jumala, kuinka onnellinen olin! Puhuin koko näytöksen ajan
ensinmainittujen kanssa. Puhuimme paljon Suomesta, josta heillä
tuskin oli aavistustakaan. Kun he kuulivat, että olin näytellyt Adrienne
Lecouvreuria, he ottivat minua kädestä, veivät minut erääseen
sivugalleriaan ja näyttivät hänen muotokuvansa, hänen ylpeän,
ylvään päänsä. — Mitä ihmisiä. Ruhtinaita omalla alallaan. Hienoja,
sivistyneitä, vakavia. Kuinka lämpimäksi tunsin itseni heidän
seurassaan. Kuinka hyviä he olivat minua kohtaan. Kuinka avuliaita,
kuinka hienoja. He olivat taiteilijoita, taiteilijoita semmoisia kuin olen
ajatellut olevan maailman ensimmäisellä näyttämöllä. He tekevät
työtä vakavasti. He ovat kyenneet asettamaan ihanteensa korkealle
ja he tuntevat, mitä vaikeuksia tiellä on. Heillä on ollut kykyä kohota
yli hetken turhamaisuuden ja itsekkyyden ja tehdä työtä yhteiseksi
hyväksi samalla kuin itsensä vuoksi. — Delaunay sanoi, kun jätin
hänelle hyvästi, että saisin toisenkin kerran tulla heidän lämpiöönsä,
ja sitten hän sydämellisesti puristi kättäni. — En voinut nukkua koko
yönä. Minä vain ajattelin ja vertailin, vertailin ja ajattelin — tyhmästi
kyllä. Tulos kaikesta oli, että tunsin itseni äärettömän onnelliseksi ja
kuitenkin hyvin onnettomaksi ja kuitenkin onnelliseksi. Olinhan
löytänyt vähäisen osan unelmistani.» —

Ida Aalberg teki Parisissa parhaansa mukaan työtä oppiakseen

ranskankielen. Tuntuu merkilliseltä, että hän tällä ensi matkallaan on
senkin verran voinut seurustella ranskankielisten henkilöiden kanssa
kuin hänen kirjeistään ilmenee, sillä ranskaan nähden hänen
taitonsa jäi — sen voi ilman muuta päättää hänen myöhemmistä
kirjoitusyrityksistään — aina perin alkeelliselle asteelle. Eräissä
kirjeissään hän ilmoittaa opettelevansa maalausta tai
suunnittelevansa jonkin kirjan kääntämistä suomenkielelle.
Björnsonin, suuren norjalaisen, tapaaminen näytti hänen elämälleen
korkean päämaalin:[16] pyrkimys tulla suureksi persoonallisuudeksi
alkoi entistä ihanampana kangastaa hänen kunnianhimoisessa
mielessään. Mutta hänen taiteellensa oli suurin merkitys sittenkin
Sarah Bernhardtin taiteella. Syyskuun loppupuolella 1883 Sarah
alkoi antaa näytäntöjä Porte Saint Martin teatterissa, ja huolimatta
yritetystä kriitillisyydestään, joka pääasiassa koskee Sarah
Bernhardtin amerikkalaisella reklaamilla väritettyä seikkailijaelämää,
ei Ida Aalberg voi kirjeissään salata suurta ihailuaan »Euroopan
kultaharppua» kohtaan. »Hän ei ollut semmoinen »Froufrou», joksi
minä olin osan ajatellut», hän kirjoittaa Bertha Forsmanille, »hän oli
jotakin muuta, mutta hän oli hyvä. Kun hän kolmannessa
näytöksessä herää tietoisuuteen rikollisuudestaan, kun hän alkaa
surra sortuneita ihanteitaan, kun hän syyttää ympäristöään, kotiaan,
kasvatustaan, miestään syvän onnettomuutensa aiheuttajiksi, oli hän
suuri, se oli hänen triumfinsa. Neljännessä näytöksessä hänen
näyttelemiseltään puuttui tarpeellista alleviivausta, mutta viidennessä
näytöksessä hän taas kohosi, sehän onkin ainoa näytös, jossa on
runollisuutta, ja sitä kallisarvoista tavaraa hän ymmärsi hoitaa.
Resignoitua tuskaa, antautumista, syvästi onnetonta uhrautumisen
tunnetta, jota ihmiset nimittävät rakkaudeksi, hän osaa esittää kuin ei
kukaan muu. Olin syvästi järkytetty hänen näyttelemisestään. Tie
kotoani P.S. Martiniin on hyvin pitkä, mutta nähty vaikutti minuun niin
voimakkaasti, etten kyennyt edes istuutumaan omnibusiin. Kaikki
nuo tavalliset vulgääriset ihmiset kiusasivat minua, minusta tuntui
paremmalta kuljeskella ja olla yksin.» —

Ida Aalberg lähetti kukkia Sarah Bernhardtille ja kuljeskeli tämän

ikkunain alla. Ranskatar sai kuulla uudesta palvojastaan ja lupasi
ottaa suomalaisen näyttelijättären puheilleen teatterissa. Kohtaus oli
sangen lyhyt ja merkityksetön. Ida Aalberg oli ostanut Sarah'n kuvan
ja pyysi tältä siihen omistuksen. Ja Sarah Bernhardt, joka kerran oli
saanut ohjeekseen:

»Photographies, tu signeras» [valokuviin panet nimesi],

teki ystävällisen merkinnän pieneen kuvaan.

Ida Aalberg istui hyvin monena iltana Porte Saint Martin teatterissa
ja seurasi suuren Sarah'n näyttelemistä. Ei ole miksikään häpeäksi
hänelle, että hän otti vastaan vaikutteita itseään vanhemmalta
suurelta taiteilijalta. Saihan Eleonora Dusekin kiittää Sarah’ta tiensä
viitoittamisesta.
 Kotimaahan Ida Aalberg lähetti ärtyneitä kirjeitä kuullessaan
juorupuheista, joita hänestä siellä levitettiin. »Jumaloin Suomeani,
mutta inhoan ihmisiä siellä», hän kirjoittaa. Huhut koskivat hänen
luultua jäämistään Ranskaan, Sarah Bernhardt muka oli tarjonnut
hänelle paikan teatterissaan. Toiset tiesivät hänen aikovan mennä
avioliittoon ja senvuoksi luopuvan Suomalaisesta teatterista. Vanha
kaulatauti vaivasi häntä myöskin Seinen kaupungissa ja teki hänet
toisinaan melkein epätoivoiseksi:

»Mitä kotona minusta nykyisin sanotaan? Minulle itselleni

elämäntarinani alkaa olla lopussa. Kuka tietää mihin Afrikan
erämaahan joudun. Olen niin kyllästynyt, kyllästynyt, kyllästynyt,
kyllästynyt surkeaan kaulaani.»

*****

Parisista Helsinkiin palattuaan ja esiintyessään vanhassa

Arkadiassa Ida Aalberg joutui heti yleisön suuren suosion esineeksi.
Ylioppilaat juhlivat häntä taas kukkasin ja laakeriseppelein.
Sanomalehdet koettivat ratkaista, mitä jälkiä uusi opintomatka oli
jättänyt, ja verraten yksimielisesti arvostelu totesi hänen
näyttelemisensä käyneen hillitymmäksi. Toiset pitivät omaksuttua
uutta suuntaa suurena edistyksenä, toiset virheenä, toiset eivät
osanneet ratkaista, mille kannalle olisi tullut asettua. Helsinki oli
tähän aikaan saanut ensiluokkaisen teatteriarvostelijan, Hjalmar
Neiglickin, jonka »Finsk Tidskriftiin» kirjoittamat lausunnot olivat
suorastaan loistavia. Hän oli ankara kriitikko, joka ei milloinkaan
laatinut ylimalkaisia suitsutusartikkeleita niillekään taiteilijoille, joita
— ja Ida Aalberg oli ensimmäinen heidän joukossaan — hän suuresti
ihaili. Hän antoi tunnustusta ja moitetta sekaisin, mutta hänen
tyylinsä loisto, hänen lahjomaton oikeamielisyytensä, hänen
yksilöllinen ja kaikesta sovinnaisuudesta vapaa sanontansa ja hänen
nuorekas rohkeutensa takaavat hänelle kunniapaikan kaikkien niiden
joukossa, jotka ovat suomalaisesta näyttämötaiteesta kirjoittaneet.

Ida Aalbergin keväällä 1884 näyteltyä uudessa suuressa osassa,

Mariana
Schillerin »Maria Stuartissa» Hjalmar Neiglick kirjoitti:

»Oman kauneutensa lumoamaksi, ilman muuta rikosta kuin oma

mielettömyytensä, ikuisesti naisellisen ilmaukseksi, ikuisesti
naisellisen, jota romantiikka palvoi ja Musset kutsui nimellä »trois
fois feminins», — sellaiseksi on Schiller ajatellut sankarittarensa.
Ajankohta on valittu tätä silmälläpitäen. Ollaan onnettoman
kuningattaren viimeisissä elonpäivissä. Hän on vankina, ilman
kruunua ja valtakuntaa; kaikki, mikä on kiihoittanut hänen
intohimojaan ja samentanut hänen sielunelämäänsä, on poissa, ja
sovittavassa valossa, jonka kärsimys luo hänen kirjavan elämänsä
ylle, hän esiintyy viattomana ja puhtaana, legendan Maria Stuartina.
Oli odotettavissa, että nti Aalberg tekisi jotakin tästä. Ehkäpä siitä
tulikin kaunein kuva, jonka hän milloinkaan on luonut, ja inspiroitu
sisäisyys, jolla hän kykenee esittämään vaikuttavia kohtia niin
rikkaasta draamallisesta elämästä, saa tässä suuren ja todellisen
taiteen leiman, josta voi päätellä hänen Parisin opintojensa
hyödyllisyyden. Niin täydellisesti hän ei koskaan ennen ole näytellyt;
melkein kaikkialla on sama varma katse ja sama välitön lämpö. Heti
ensi näytöksessä hänellä on kaunis kohtaus dialogissa lordi
Burleighin kanssa. Verrattomalla hienoudella nti Aalberg näyttelee
esiinmurtautuvan majesteettisuuden, se tulee Mariasta ilmi eloisasti
ja intohimoisesti kuin muinoin, kun sitä ärsytettiin. Kolmannessa
näytöksessä on kappaleen huippukohta, ja siinä nti Aalbergilla onkin
suurin kohtauksensa. Täysin katolilainen hehku on hänen
näyttelemisessään, kun hän kulkee päästä päähän skaalan, jossa
vaihtelevat vienot ja myrskyiset tunteet, joita Schiller on koonnut
tuohon kuuluisaan kohtaukseen, missä molemmat kuningattaret
tapaavat. Marian kaksinkertainen taistelu: omaa ylpeyttään ja
Elisabethin julmuutta vastaan, haltioitunut innostuminen, joka johtuu
vapautumisen toivosta, hyväilevä tuttavallisuus, joka vähitellen saa
sulamaan hänen vihansa Elisabethia vastaan, ja lopuksi loukattu
naisellisuus, joka murtautuu esiin villinä koston janona — kaiken
tämän nti Aalberg esittää semmoisella voimalla ja ennen kaikkea
semmoisella luonnollisuudella, joka kuuluu valituille ja joka vaikuttaa
vastustamattomasti. Mutta myöskin kiihkottoman viimeisen
näytöksen hän esittää tositaiteellisella maulla. Loppu on luonteeltaan
jumaloivaa; Maria, joka niin kainona ja kirkastuneena astuu kohti
kuolemaa, vaikuttaa siltä, kuin olisi hän jo kulkenut kappaleen
matkaa taivasta kohti. Se on idylli mestauslavan juurella ja se tulee
neiti Aalbergin jalosti tulkitsemana liikuttavan kauniiksi. Hän on
puettuna komeaan kuningatarpukuun, paksuun kultaompeleiseen
silkkiin, ja koskaan hänen vartalonsa, joka on taipuisa kuin paju, ei
ole tehnyt niin suurenmoista vaikutusta kuin tässä.

On itsestään selvää, että niin etevä ja samalla yksilöllinen

näyttelijätär kuin nti Aalberg tulee muodostamaan oman koulunsa
sillä näyttämöllä, johon hän kuuluu, sitäkin suuremmalla syyllä,
koska se toistaiseksi on ainoa suomalainen. Mutta voi olla kokonaan
toinen kysymys, onko neiti Aalbergin näyttelemistapa erikoisen
sopiva tyypin muodostamiseen. Ennen kaikkea kaksi piirrettä
muodostaa hänen taiteensa merkillisen lumousvoiman: ihmeellisen
pehmeä plastiikka ja lapsellisen hyväilevät äänenpainot. Näitä kahta
vaikutuskeinoa hän itsekin joskus on tullut käyttäneeksi liian paljon,
kuten esim. Maria Stuartin 3:ssa näytöksessä, missä hän kyllä leikkii
äänellään; se, jos se tulee alemman asteen näyttelijöille maneeriksi,
vaikuttaa ehdottomasti epäedullisesti. Tarvitsee vain nähdä viimeisen
näytöksen kohtaus itkevine kamarineitoineen, huomatakseen, että
tämä sisäinen näyttelemistapa, joka lahjakkaan nti Aalbergin
edustamana muodostaa hänen varsinaisen voimansa, muuttuu
omituiseksi, jos sitä käytetään metodina. On oikea
kummittelukohtaus, kun siinä nuo neljä viisi naista toistavat nti
Aalbergia.» —

Ainakin jonkin määrän »lapsellisen hyväilevistä äänenpainoista»

Ida
Aalbergin korva lienee ottanut Sarah Bernhardtin puheesta.

Kevätkaudella 1885 Neiglick kirjoitti Minna Canthin »Työmiehen

vaimon» johdosta, todettuaan aluksi, että siinä Homsantuu on Birch-
Pfeifferin Sirkan kaksoissisar, epätodellinen ja teatraalinen, koska
kirjailija ei ole muodostanut osaa elävän luonnon mukaan:

»Neiti Aalbergin näytteleminen on sekin kaikissa kohdissaan

harjoitelma ilman mallia. Hänen mustalaistyttönsä on, puvusta
alkaen, maalauksellinen, mutta sellaista ei ole koskaan ollut
Suomessa, vielä vähemmän on mahdollista, että hän voisi olla
vereltään puoleksi suomalainen. Hehkua, hyväilevää hellyyttä,
harmonian ja sulon mestarinäytteitä, niitä siinä on ylenmäärin;
semmoisia loistavia episodeja kuin esim. tanssi toisessa
näytöksessä, sovinto Riston kanssa kolmannessa ja hänen äkillinen
ilmestymisensä Johannan ovelle neljännessä. Mutta siihen, joka on
useasti nähnyt nti Aalbergin, ei tuo vaikuta erikoisemmin; kaikki on
jättänyt jälkeensä muiston jostakin hyvin rytmillisestä, hyvin
ajatellusta. Näkee, että suuri näyttelijätär on ottanut hallussaan
olevista rikkaista varastoista, saatuaan osan, joka ei ole temmannut
häntä mukaansa. Tuommoisista suhteellisen hengettömistä
tuotteista helpoimmin havaitsee, kuinka paljon taiteilijan tekniikasta
jo on muuttunut maneeriksi. Ja jos Homsantuuta voi pitää
kriteeriona, niin nti Aalbergin on heti ruvettava olemaan varuillaan.
On kuin tulisi lämpimien intohimojen tulva näyttämölle, kun näkee
hänen sinne astuvan, mutta hän on uppoamaisillaan plastiikkaan.
Kieltämättä myöskin hänen notkeassa ja jonkin verran pehmeässä
luonteessaan on paljon sellaista, mikä houkuttelee juuri tuohon
suuntaan; mutta tulella kerta kaikkiaan ei leikitä rankaisematta, ei
edes pyhällä tulella, josta nti Aalberg on saanut niin suuren osan.»

Samana keväänä Ida Aalbergin esittämää Ofeliaa Neiglick aluksi

moittii alkukohtauksien perusteella. Niissä näyttelijätär on vain
kuljeskellut auttamatta katsojaa saamaan kokonaiskäsitystä, siinä
osassa draamaa häneltä oli puuttunut persoonallisuutta, oli nähty,
kuten joskus muulloinkin, neiti Aalberg eikä kappaleen henkilöä.
Mutta sitten tapahtuu loistava muutos:

»Se tapahtuu hulluuskohtauksessa, ja hänen esityksensä on tässä

ehdottomasti draamallisen taiteen huipulla. Hyvin mielenkiintoista on
verrata nti Aalbergia ja hra Bangia mielipuolisuuden esittäjinä. Voisi
sanoa, että heidän näyttelemisessään on sama ero kuin
Shakespearen ja Ibsenin realismissa. Nti Aalbergin näytteleminen on
rauhallista ja vailla patologisia efektejä; hän kuljeskelee
unelmissaan, laulaa oudot balladit monotonisesti, ikäänkuin yhteen
kaukaisten äänien kanssa — ikäänkuin kangastuksiin tuijotellen —
johtuu ajattelemaan intiaanien vanhaa uskoa hulluudesta, että se on
kaunis ja pyhä jumalain lahja. Ofelian hulluudessa on rytmiä, niinkuin
Hamletin hulluudessa on metodia, ja tämä rytmi, joka saa aikaan,
että
 surun, murheen, tuskan, helvetinkin hän tekee viehättävän
viehkeäksi,

on nti Aalbergin näyttelemisessä, samoinkuin Shakespearen

kuolemattomassa runossa. Kaikkein ihmeellisintä ehkä on, että nti
Aalberg, joka, mikäli tiedetään, ei ole koskaan harjoittanut laulua, nyt
on luonut parhaan osansa laulamalla siitä parhaan osan. Parempaa
todistusta hänen kyvystään sulautua yhteen luomiensa kanssa ei
tarvita; kun hän kerta innostuu tehtävään, näyttää hänen
näyttelemisensä muodostuvan vastustamattomaksi valloittamiseksi.
Tekniikkaa ei näy, runoilijan sanat elävät näyttämöllä, ja silloin hänen
liikkeensä mukautuvat hänen sielunelämänsä vivahduksiin, kuten
pehmeä silkkipuku mukautuu hänen notkeisiin jäseniinsä.»

Kevätkaudella 1885 Ida Aalberg saavutti Suomalaisessa

teatterissa vielä suuren voiton esiintymällä Gretcheninä »Faustissa».
Arvostelu ylisti hänen lausuntansa tavatonta ilmehikkyyttä ja hänen
itkunsa suunnatonta voimaa.

*****

Kaarlo Bergbom, jolle Suomalaisen oopperan kuoltua

puhenäyttämön johto oli tullut melkein vasten tahtoa, ei alkuaikoina
voinut olla mikään ammattitaitoinen ohjaaja. Hän oli kyllä suuri
kirjanoppinut, mutta näyttämötaidetta hän oli opiskellut
pääasiallisesti vain katsomosta käsin. Jokavuotisilla
ulkomaamatkoillaan hän kuitenkin koetti kehittää silmäänsä, ja
ammattitaitoa hän oppi käytännön koulussa. Kerrotaan hänen
sittenkin loppuun asti pysyneen sangen vähäpuheisena ohjaajana.
Ne näyttelijät, jotka häntä ihaillen muistelevat, selittävät hänen
harvasanaisuutensa ja vähäisen neuvomisensa aiheutuneen siitä,
että tohtori kunnioitti näyttelijän yksilöllisyyttä ja antoi senvuoksi
mahdollisimman vapaat kädet. Toiset taas vakuuttavat, että tohtori
Bergbomilla ei myöhemminkään ollut täyttä ammattitaitoa
varsinaisessa näyttämöohjauksessa. Hänen sanotaan suosineen
suurta klassillista ohjelmistoa siksi, että tunsi itsensä
kykenemättömäksi detaljityöhön, jota moderni ohjelmisto edellytti.
Bergbomin ohjaus liikkui suurissa piirteissä, ja hän vetosi näyttelijäin
omaan älyyn ja puhetaitoon, jolla klassillisen ohjelmiston pitkiä,
runomuotoisia vuorosanoja lausuttiin.

Ohjaajan ja näyttelijän suhde on näyttämötaiteen ehkä suurin

probleemi. Ei ole syytä yrittää tutkiskella Bergbomin todellisia
mielipiteitä ja vaikuttimia ohjaajakysymyksessä koko laajuudessaan.
Riittää, kun sanotaan, että hänellä tuntuu olleen viisaana
periaatteena suhtautua eri näyttelijöihin eri tavalla: toisille hänen
sanotaan antaneen paljon neuvoja, toisille vähemmän, toisille tuskin
mitään.

Ida Aalbergin ohjaaminen tuntuu Kaarlo Bergbomille olleen

riemullinen tehtävä. Häntä hän neuvoi enemmän kuin ketään toista,
sillä hänestä »sai irti» enemmän kuin kenestäkään toisesta. Heillä oli
paljon kahdenkeskisiä neuvotteluja, ja varsinaisissa
näyttämöharjoituksissa heidän sanotaan mahtavasti inspiroineen
toinen toistaan uusiin keksintöihin ja vaikuttavan tulkinnan
löytämiseen. Ida Aalberg, joka oli toistaiseksi verraten vaillinaisesti
perehtynyt kirjallisuuteen, kaipasi älyllistä tukea, ja Kaarlo
Bergbomin kerrotaan sitä hänelle suoneen.

Ida Aalbergille epäilemättä kertyi vuosien kuluessa sangen suuri

kiitollisuusvelka Kaarlo Bergbomia kohtaan. Hän olisi saanut kiittää
tätä ohjeista ja neuvoista ja suurista osista, joita sai Suomalaisessa
teatterissa esittää ja joiden kehittävää merkitystä ei voi kyllin
suureksi arvioida. Hänellä oli paljon omaa, paljon hän oli saattanut
tuoda ulkomailta, mutta Suomalaisessa teatterissa, itse
näyttämötyössä, hän vasta oli voinut päästä täyteen selvyyteen siitä,
miten katsomoa hallitaan ilmeellä, liikkeellä ja puhutulla sanalla.

Jos Ida Aalberg taiteilijana olisi ollut yksinomaan Kaarlo

Bergbomin työn tulos, voisi Kaarlo Bergbomin sanoa ihastuneen
omaan työhönsä. Bergbom-sisarusten kirjeenvaihto puhuu sangen
selvää kieltä siitä, kuinka tavattoman suureksi he Ida Aalbergin
kyvyn arvioivat. Heille hän oli ensiluokan taiteilija, joka kohotti
kappaleen ja näyttelijäympäristönsä toiselle tasolle, heille hän oli
Suomalaisen teatterin tulevaisuuden toivo. Kaarlo Bergbom
hemmoitteli Ida Aalbergia enemmän kuin ketään muuta.

Eivät Kaarlo Bergbomin kukat eivätkä uudet suuret tehtävät, ei

vanhempien ystävien opettama velvollisuudentunto, ei yleisön ja
arvostelun suuri suopeus, mikään ei saanut Ida Aalbergia
suostutetuksi uskollisesti jäämään Bergbomin teatterin jäseneksi.
Keväällä 1885 hän uudestaan jättää suomalaisen teatterin. Ettei
päätös tullut yhtäkkiä, näkee siitä, että hän jo edellisenä kesänä,
jolloin oli kierrellyt maaseutukaupungeissa lausunta-iltoja
antamassa, oli pyrkinyt vierailemaan Kööpenhaminan
kuninkaalliseen teatteriin, mutta saanut, periaatteellisista syistä,
kieltävän vastauksen Tämän taidelaitoksen johtajalta, vanhalta
Fallesenilta.

Herman Bang, joka kevätkaudella 1885 piti esitelmiä Helsingissä,

vaikutti ehkä ratkaisevasti Ida Aalbergin päätöksen syntymiseen.
Tämä kirjailija on itse eräässä tanskalaisessa lehdessä kertonut
m.m. seuraavaa:
 »Ilta illan jälkeen näin Ida Aalbergin esitelmiäni kuuntelemassa. En
milloinkaan unohda hänen katsettaan ja muotoaan noina tunteina.
Hänessä ilmeni vangin kaipuu. Luentosalin ulkopuolella näin hänet
harvoin. Mutta Helsingistä lähdettyäni sain häneltä kirjeen. Kirje oli
hätähuuto — huuto, jolla hän mursi ovet suureen elämään:
»Huomenna matkustan», hän kirjoitti. »Täällä on vain vankila.»

Ida Aalbergin päätös oli sisäisen taistelun tulos. Hän tiesi

loukkaavansa vanhoja ystäviään, mutta hän sai täyden kannatuksen
eräältä uudelta ajan hengeltä, jonka oppia hän oli joutunut
kotimaassaankin kuulemaan. Hänellä oli kahdenlaisia neuvonantajia,
vanhoja ja nuoria. Siitä aiheutui ristiriita.
VIII.

NEUVONANTAJIA JA YSTÄVIÄ.

»Nooran» jälkeen Ida Aalberg oli joutunut läheisiin tekemisiin

kansallisen romantiikan edustajien kanssa. He olivat pääasiallisesti
vanhoja miehiä. Hänellä oli setätuttavana Zacharias Topelius, jolta
riitti loputtomasti neuvoja, lämmintä osanottoa ja kiitosta. Jo ennen
»Regina v. Emmeritzin» esitystä runoilija oli ihastunut nuoreen
näyttelijättäreen ja kunnioittanut häntä seuraavalla runolla:

»Hur faller släpet och hur klär rosetten?

Hur sitter lifvet? Är han snörd, korsetten?
Är håret pudradt à la Pompadour?
Är ögonbrynet penslad fin natur?

Vet, Cendrillon, i kväll är bal hos kungen.

Nej, rör oss icke! Fy den svarta ungen!
Prins Hjertekläm skall börja valsen der;
Jag spår, att han i en af oss blir kär.

— Ack, vore jag en mygga der i salen!

— Du, Cendrillon, ha, ha, vill du till balen,